为什么pandas中无法直接将NaN列替换为另一列的数值？

你遇到的赋值异常本质是多级列索引（MultiIndex）匹配规则导致的，根因出在DataFrame的创建环节：

• 你创建DataFrame时给columns参数传入了嵌套列表[["A","B","C"]]，pandas会将其识别为单层级的MultiIndex列，而非普通的字符串列名。从你给出的df.info()结果也能验证：列名显示为(A,)、(B,)这类元组格式，就是MultiIndex列的典型特征。

赋值失败的具体逻辑 #

• 对于MultiIndex列，低版本pandas无法用单个字符串直接匹配到元组格式的列索引，你执行df["B"] = df["A"]时，代码并没有定位到实际的("B",)列，自然无法完成赋值。
• 新建列D时df["D"] = df["A"]能成功，是因为pandas会自动将新传入的列名"D"转换为符合MultiIndex规则的("D",)，完成列创建和赋值。
• iloc是按物理位置索引，不需要匹配列名，所以可以直接给第二列赋值。

修复方案 #

方案1：从根源避免MultiIndex（推荐） #

创建DataFrame时直接传入单层列表作为列名：

df = pd.DataFrame(columns=["A","B","C"])
df["A"] = np.arange(1, 8761, 1)
# 后续直接用df["B"] = df["A"]即可正常赋值

方案2：匹配MultiIndex格式赋值 #

如果需要保留当前的MultiIndex结构，用元组格式匹配列名即可：

df[("B",)] = df[("A",)]

内容的提问来源于stack exchange，提问作者hbstha123